論文の概要: Continuous Face Aging Generative Adversarial Networks
- arxiv url: http://arxiv.org/abs/2102.13318v1
- Date: Fri, 26 Feb 2021 06:22:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-01 13:53:28.660675
- Title: Continuous Face Aging Generative Adversarial Networks
- Title（参考訳）: 顔の経時的生成型adversarial network
- Authors: Seogkyu Jeon, Pilhyeon Lee, Kibeom Hong, Hyeran Byun
- Abstract要約: 顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。
それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。
CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
- 参考スコア（独自算出の注目度）: 11.75204350455584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face aging is the task aiming to translate the faces in input images to
designated ages. To simplify the problem, previous methods have limited
themselves only able to produce discrete age groups, each of which consists of
ten years. Consequently, the exact ages of the translated results are unknown
and it is unable to obtain the faces of different ages within groups. To this
end, we propose the continuous face aging generative adversarial networks
(CFA-GAN). Specifically, to make the continuous aging feasible, we propose to
decompose image features into two orthogonal features: the identity and the age
basis features. Moreover, we introduce the novel loss function for identity
preservation which maximizes the cosine similarity between the original and the
generated identity basis features. With the qualitative and quantitative
evaluations on MORPH, we demonstrate the realistic and continuous aging ability
of our model, validating its superiority against existing models. To the best
of our knowledge, this work is the first attempt to handle continuous target
ages.
- Abstract（参考訳）: 顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。
問題を単純化するため、以前の手法では、それぞれが10年からなる離散年齢群を生成できるのみに制限されていた。
その結果、翻訳結果の正確な年齢が不明であり、グループ内で異なる年齢の顔を得ることができない。
そこで本稿では,CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
具体的には、連続老化を実現するため、画像特徴を2つの直交特徴:アイデンティティと年齢ベース特徴に分解することを提案する。
さらに,オリジナルと生成したアイデンティティ基底特徴のコサイン類似性を最大化する識別保存のための新しい損失関数を導入する。
MORPHの質的,定量的な評価により,本モデルが持つ現実的かつ連続的な老化能力を示し,既存モデルに対する優位性を検証した。
私たちの知る限りでは、この作業は継続的な目標年齢を扱う最初の試みです。
関連論文リスト
- StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。
私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
論文 参考訳（メタデータ） (2024-01-29T09:06:15Z) - Diverse and Lifespan Facial Age Transformation Synthesis with Identity Variation Rationality Metric [12.438204529412706]
人間の顔にディバース・ライフスパン・エイジ・トランスフォーメーションを実現するために、$rmDLATboldsymbol+$を導入する。
モデルに埋め込まれた多様性のメカニズムとは別に、複数の一貫性の制限が活用され、反ファクト的な老化合成を防ぐことができる。
論文 参考訳（メタデータ） (2024-01-25T09:26:08Z) - Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。
本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
論文 参考訳（メタデータ） (2023-03-20T13:20:14Z) - A Unified Framework for Biphasic Facial Age Translation with
Noisy-Semantic Guided Generative Adversarial Networks [54.57520952117123]
バイファシックな顔の年齢変換は、任意の年齢における入力顔の出現を予測することを目的としている。
本稿では,ノイズ・セマンティック誘導合成対向ネットワークを用いた二相性顔面年齢変換のための統一的枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-15T15:30:35Z) - Disentangled Lifespan Face Synthesis [100.29058545878341]
ライフスパン顔合成(LFS)モデルは、1つのスナップショットのみを基準として、人の人生全体の写真リアル顔画像のセットを作成することを目的としている。
対象年齢コードから生成された顔画像は, 形状やテクスチャの生鮮やかな変換によって, 年齢に敏感に反映されることが期待される。
これは、エンコーダから形状、テクスチャ、アイデンティティの特徴を別々に抽出することで達成される。
論文 参考訳（メタデータ） (2021-08-05T22:33:14Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Continuous Face Aging via Self-estimated Residual Age Embedding [8.443742714362521]
本稿では,線形年齢推定器をGANモデルに組み込む統一ネットワーク構造を提案する。
埋め込み年齢推定器は、エンコーダおよびデコーダとの共同訓練を行い、顔画像の年齢を推定する。
パーソナライズされた目標年齢埋め込みは、現在の年齢のパーソナライズされた残存年齢埋め込みと、目標年齢の老化ベースの両方を組み込んで合成される。
論文 参考訳（メタデータ） (2021-04-30T18:06:17Z) - When Age-Invariant Face Recognition Meets Face Age Synthesis: A
Multi-Task Learning Framework [20.579282497730944]
MTLFaceは、顔合成を楽しみながら、年齢不変のアイデンティティ関連表現を学習することができる。
グループレベルのfasを実現する従来のone-hotエンコーディングとは対照的に,アイデンティティレベルfasを実現するための新しいid条件モジュールを提案する。
5つのベンチマーククロスエイジデータセットに対する大規模な実験は、提案したMTLFaceの優れた性能を示す。
論文 参考訳（メタデータ） (2021-03-02T07:03:27Z) - PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。
このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。
実験により,既存の (c) GANs 法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-12-07T05:45:13Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。